Bound – AI智能体的确定性控制框架

编码智能体擅长持续工作，但往往不知道何时该停下来。Bound正是为解决这一问题而设计的确定性控制框架。它位于智能体执行步骤和下一次决策之间，通过收集可观察的证据（如测试结果、类型检查、调用次数等）来做出四种决定：接受（ACCEPT）、重试（RETRY）、重规划（REPLAN）或回滚（ROLLBACK）。

Bound的核心思路是：智能体仍然负责规划、推理、工具调用和代码修改，而Bound仅作为控制点，判断当前结果是否足够好以继续下一步。这种分离确保了智能体的灵活性，同时防止了无休止的优化和潜在的回归。

安装Bound非常简单。对于ChatGPT用户，可以下载技能包并在ChatGPT中安装@Bound技能。对于Claude Code、Codex等兼容智能体，可以通过npx命令添加技能。另外，Bound还提供了可直接粘贴的集成提示，智能体会自动安装并配置控制循环。

控制循环的工作流程是：智能体执行步骤 -> 收集可观察证据 -> Bound评估 -> 返回决策 -> 智能体根据决策调整下一个动作。Bound的评分模型基于合同（contract）、证据（evidence）和标准（criteria），通过确定性的决策引擎计算分数，而无需依赖LLM作为裁判。

Bound的四个决策含义明确：接受表示当前步骤已足够好，继续前进；重试表示保留当前方法并进行一次针对性修正；重规划表示放弃当前策略，选择新方法；回滚表示硬风险边界被超过，需要回到安全状态。这种机制让智能体在“足够好”时停止优化，保持进展。

目前Bound处于实验阶段，其评分启发式方法、权重和阈值还需要在真实智能体工作负载中进一步验证。下一个里程碑是在实际编码智能体中内部测试，测量是否能减少不必要的后期工作、调用次数、令牌消耗和回归问题，同时不影响任务成功率。

Bound采用MIT开源许可，由Danny de Bree开发。项目托管在GitHub上，包含完整的架构文档、贡献指南和变更日志。开发者可以通过pip或uv安装bound-policy包，或直接从源代码构建。